子宮内膜がんにおけるマイクロサテライトの不安定性を予測するためのMRIに基づくヴォクセルレベルの放射学と深層学習:二センター研究
Chen-Hong Tian1, Peng Sun2, Ke-Yuan Xiao3
1Department of Radiology, Changzhi People's Hospital, Changzhi 046000, Shanxi, China (C-h.T., X-f.N.).
Academic radiology
|September 4, 2025
まとめ
ヴォクセルレベルの放射学とMRIを用いた新しいディープラーニングモデルは,子宮内膜がん (EC) 患者の微小衛星不安定性 (MSI) 状態を非侵襲的に正確に予測します. このツールは,腫瘍の異質性を分析することで,個別化された治療決定を助けます.
科学分野:
- 腫瘍学
- 放射線科
- 人工知能
背景:
- マイクロサテライトの不安定性 (MSI) は子宮内膜がん (EC) の治療選択において重要なバイオマーカーである.
- パーソナライズされた治療を導くには,MSI状態の正確な非侵襲的予測が必要です.
研究 の 目的:
- ECにおけるMSI状態の非侵襲的な予測のために,ヴォクセルレベルの放射線学とマルチシーケンスのMRIを統合した深層学習モデルを開発し,検証する.
- 既存の方法と比較してモデルのパフォーマンスを評価し,その解釈性を評価する.
主な方法:
- 術前の多パラメータ型MRI (T2WI,DWI,CE- T1WI) を受けたEC患者375人を対象とした2センターの遡及研究.
- ヴォクセルレベルの放射線特性が抽出され,二重チャネル3Dディープニューラルネットワーク (Vision-Mambaアーキテクチャ) を使用して処理されました.
- モデルのトレーニングと検証は,内部と外部コホートで行われ,Vision Transformer,3D-ResNetと伝統的なラジオミクスを比較した.
主要な成果:
- 外部試験コホートではAUCが0. 866に達した.
- このモデルはMSI状態を予測する他の評価方法よりも優れている.
- 解釈性分析は,予測に不可欠な重要な放射線学的特徴とMRIによる腫瘍の特徴を強調した.
結論:
- 提案されたヴォクセルレベルの放射学とディープラーニングモデルは,ECにおけるMSI状態を予測するための堅牢で非侵襲的な方法を提供します.
- このアプローチは子宮内膜がん患者の個別化治療戦略を 大きく支援する可能性がある.
